<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

Дослідження ефективності підбору гіперпараметрів згорткової нейронної мережі для розпізнавання рукописних цифр MNIST

Ескіз

Файли

30235.pdf (402,21 KB)

Дата

2026

Автори




Науковий керівник

Редактор

Інші учасники

Відповідальний

ORCID

Назва журналу

Номер ISSN

Назва тому

Видавець

Вінницький національний технічний університет

DOI

Альтернативна назва

Анотація

У роботі досліджено ефективність застосування згорткової нейронної мережі для розпізнавання рукописних цифр на основі набору даних MNIST/Digit Recognizer. Для експериментального дослідження використано табличне представлення зображень розміром 28×28 пікселів, де кожен об’єкт належить до одного з десяти класів — цифр від 0 до 9. Виконано завантаження даних, нормалізацію значень пікселів, зміну форми вхідних ознак, one-hot encoding цільових міток, а також аугментацію зображень. Побудовано згорткову нейронну мережу на основі бібліотеки Keras/TensorFlow. Проведено порівняння двох стратегій підбору гіперпараметрів: Random
The paper investigates the effectiveness of a convolutional neural network for handwritten digit recognition using the

Опис

Ключові слова

MNIST , згорткова нейронна мережа , CNN , Random Search , Genetic Algorithm , Keras , TensorFlow , розпізнавання цифр , машинне навчання , convolutional neural network , digit recognition , machine learning

УДК

004.8:004.932:519.6

Тип документа

Thesis

Мова

uk

Є частиною

Матеріали Міжнародної науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2026)», м. Вінниця, 22-26 червня 2026 р.

ISSN

Посилання на публікацію

https://conferences.vntu.edu.ua/index.php/mn/mn2026/paper/view/30235

Серія, номер

ISBN

ББК

Інші ідентифікатори

Пов’язані матеріали

Спонсорська підтримка

Правовласник

Бібліографічний опис

Лавренюк Є., Варчук І. В. Дослідження ефективності підбору гіперпараметрів згорткової нейронної мережі для розпізнавання рукописних цифр MNIST // Матеріали Міжнародної науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2026)», м. Вінниця, 22-26 червня 2026 р. Електрон. текст. дані. 2026. URI: https://conferences.vntu.edu.ua/index.php/mn/mn2026/paper/view/30235.

URI

https://ir.lib.vntu.edu.ua/handle/123456789/52610

Зібрання

Молодь в науці: дослідження, проблеми, перспективи (МН-2026)

Схвалення

Рецензія

Доповнено

Цитується в

Список використаної літератури (1)

  1. Digit Recognizer. Kaggle [Електронний ресурс]. – Режим доступу: https://www.kaggle.com/competitions/digitrecognizer TensorFlow Documentation. Keras API [Електронний ресурс]. – Режим доступу: https://www.tensorflow.org/api_docs/python/tf/keras Bergstra J., Bengio Y. Random Search for Hyper-Parameter Optimization. Journal of Machine Learning Research, 2012. Genetic Algorithm. Towards Data Science / Machine Learning Mastery [Електронний ресурс]. – Режим доступу: https://machinelearningmastery.com/simple-genetic-algorithm-from-scratch-in-python/ Pandas Documentation [Електронний ресурс]. – Режим доступу: https://pandas.pydata.org NumPy Documentation [Електронний ресурс]. – Режим доступу: https://numpy.org Matplotlib Documentation [Електронний ресурс]. – Режим доступу: https://matplotlib.org Seaborn Documentation [Електронний ресурс]. – Режим доступу: https://seaborn.pydata.org Scikit-learn Documentation. Metrics and train_test_split [Електронний ресурс]. – Режим доступу: https://scikitlearn.org